<aside>
<aside>
</aside>
시작하기
분석하기
✔︎ 어피니티버블 분석하기
인사이트 도출하기
분석 결과 공유하기
데이터 불러오기
데이터 다듬기
</aside>
<aside> <img src="/icons/book-closed_gray.svg" alt="/icons/book-closed_gray.svg" width="40px" />
</aside>
<aside> <img src="/icons/help-alternate_gray.svg" alt="/icons/help-alternate_gray.svg" width="40px" />
</aside>
<aside> <img src="/icons/mail_gray.svg" alt="/icons/mail_gray.svg" width="40px" />
</aside>
어피니티버블로 데이터를 분석할 때는 프리셋, 레이블 말투, 상세 요구사항을 활용하여 더 좋은 결과를 얻을 수 있습니다.
이 장에서는 세부적으로 설정하는 방법을 알려드리겠습니다.
어피니티버블의 프리셋은 데이터의 유형에 따라 6가지로 나뉘어져 있습니다.
입력한 데이터의 성격을 AI가 해석하여 자동으로 프리셋이 지정되지만, 원하는 방향이 아니라면 변경할 수 있습니다.
꼭 유형에 맞는 프리셋을 사용해야 하는 것은 아니며, 좀 더 나은 결과를 얻기 위해서는 분석 목적에 따라 적절한 프리셋을 사용하는 것이 좋습니다.
사용자 리뷰: 사용자 평가나 불만을 중심으로 데이터를 분류합니다.
사용자 관점에서 전체적인 오버뷰를 파악할 때 적합한 프리셋입니다.
VOC: 도메인이나 주제 중심으로 데이터를 분류합니다.
사용자 리뷰에 비해 명사형의 깔끔한 결과가 나오고, 원하는 분류 기준으로 커스터마이징하기 쉽습니다.
사용자의 자유로운 발화를 전제로 합니다.
사용자 인터뷰: 사용자 인터뷰 데이터를 분석하기에 적합한 프리셋입니다.
사용자의 행위와 목적을 중심으로 분류되며, 동사형 어미가 자주 나타납니다.
주관식 설문: 서술형 응답을 분석하기에 적합합니다.
질문에 대한 주요 반응을 파악하기 쉽습니다.
퍼소나: 사용자 유형을 중심으로 데이터를 분류합니다.
누가 무엇을 중요하게 생각하는지 드러나며, 사용자 집단의 전반적 성향을 이해하는 데 유용합니다.
키워드: 데이터에서 주요 토픽을 추출합니다.
사용자 리뷰나 VOC보다 더 중립적인 관점이며, 데이터에서 어떤 주제들이 언급되었는지 살펴보기에 좋습니다.
어피니티버블 속 검은색 글자로 된 ‘하위 클러스터 말투’를 설정하는 기능입니다.
기본적으로는 **”해요체로 적어줘”**라고 설정되어 있습니다.
해요체의 경우 어피니티버블이 묶은 클러스터들의 레이블이 사용자의 목소리처럼 들린다는 장점이 있습니다.
더욱 생생한 목소리를 담고 싶다면 **”원문 말투를 최대한 살려줘” ”MZ 말투로 해줘”**처럼 사용자 집단에 따라 말투를 지정해 보는 것도 좋습니다.
각 프리셋에 특화된 상세 요구사항을 편집해 더 구체적인 프롬프트를 작성할 수 있습니다.
자유로운 구어체 문장으로 해도 좋고, 아래처럼 기준에 따라 입력해도 좋습니다.